AI面试能替代HR做初面吗这个问题问的人越来越多语气也在变——从好奇变成实际的考虑。担心的点集中在两处它问不出真东西候选人当场就不耐烦。但把初面这个环节拆开看会发现里面大部分内容并不需要人的判断力。在职还是在看机会、什么时候能到岗、期望薪资大概多少、能不能接受两班倒——这些问题的答案有标准问法也固定难的是每天问几十遍还不出错。招聘云在跟进一线岗位招聘团队时反复看到同一件事同一个岗位的初面被重复做了很多轮每一轮坐下来的前十分钟问的都是同样几件事。这篇集中回答三个问题AI面试到底能替掉初面里的哪一段AI初面问题该怎么设置以及问完之后人该看什么、哪一段必须留给人。一句话回答AI面试替代的不是面试本身是面试之前那段重复的事实确认。落在产品上它读职位JD和人工配置的AI初面问题跟候选人对话句子由模型现场组织不需要企业写话术企业要准备的只有两样——把JD写准、把该问的问题定准。问完之后人要看的是结构化的回答和异常点追问细节、观察反应、判断动机这一段仍然留给人。先分清三种不同的东西都被叫作AI面试我们要上AI面试指的可能不是同一件事。市场上至少有三类东西共用这个名字解决的问题完全不同。企业考虑上一套AI招聘工具时常把它们放在一起比价比了半天也不知道该看什么。第一类是虚拟视频面试候选人对着摄像头录制回答系统给出一组评分。它的产出是一段可以反复回看的录像适合需要多人共同评估的场景。第二类是对话式初面模型直接跟候选人聊一次问一件事把答案收回来。它的产出不是评分是一份可以直接进入筛选流程的候选人信息。第三类是流程自动化约面、提醒、改期由系统接手。它不跟候选人聊内容价值在时效上。三类东西各自成立只是名字一样不代表要买的是同一种。选之前先确认自己缺的是哪一段。这篇讲的是第二类——把该问的事问掉而不是给人打个分。现场容易混淆的是前两类。有些团队按AI面试去选上线之后才发现那套工具要的是候选人对着摄像头自述一线岗位的候选人在这一步就走了不少。分辨方法不复杂要求候选人录像自述的是第一类跟候选人一问一答聊下去的是第二类。市面上的招聘工具名字越来越像看它的对话形态比看宣传语可靠。AI初面靠什么跟候选人聊两份材料不是一套话术过去要让系统跟候选人聊常见做法是先把话术写成模板分场景、分轮次一条条录进去系统按模板发。这条路确定性强代价是前期要写的东西多话术还得跟着岗位和薪资的变化持续维护。现在这条路多了一个选项。模型已经能读着材料自己组织语言——招聘云 · AI小职智能体的工作方式是读取职位JD和人工配置的AI初面问题综合理解之后直接跟候选人沟通沟通里的句子由模型用自然语言现场生成不需要企业配置话术。候选人顺着回答多问一句也不用提前把每一条分支都写好。这条路线对企业提出的要求因此换了个方向。模板路线考的是能不能把场景想全生成式路线考的是能不能把岗位和要问的事说准。JD里没写清能干什么、什么时候能来、在哪儿模型组织出来的沟通就是空的AI初面问题定得偏聊回来的信息也不够用。少写一套话术多写清两样东西——岗位要什么样的人、初面要问掉哪几件事。AI初面问题怎么设置能被记录下来的答案才值得问把要问的事分成三类处理方式不一样。事实类问题有标准答案答案能被记录、能被比较在职还是在看机会、什么时候能到岗、期望薪资的大致区间、通勤单程要多久、能不能接受排班。这一类是AI初面的主粮。条件类问题的答案双方都还没定只能问出区间期望薪资范围、希望的工作区域。问法是给范围不给承诺别在聊天里把条件说死。判断类问题没有标准答案也不该交给AI初面这个人说自己抗压是不是真的、遇到难缠的客户他会怎么处理、他为什么想换工作。这些内容只有坐下来聊才有意义用问答的形式问出来收回来的多半是套话。写问题的时候还有三条要求。一条是一次只问一件事。把五个问题打包成一段发过去回来的回答往往只剩两个。一问一答看着慢收回来的信息反而完整。一条是答案能落进字段里。设问题之前先想清楚这个答案要填到哪儿——能落进字段的答案才有复用价值落不进去的只是一段聊天记录。一条是不预设判断。你能接受加班吗这类问法拿到的答案参考价值有限换成这个岗位旺季一周有三天到晚上八点你能接受吗得到的信息更接近真实。问题问对了AI初面就完成了一大半问偏了后面看再多记录也补不回来。AI问完之后人该看什么多数人第一次用AI初面本能是去翻聊天记录。记录通常很长几十条往来看完很累而且看不出结论。更有用的做法是看三样。第一样是结构化后的回答。到岗时间、薪资区间、通勤时长、班次接受度这些答案被抽出来放在一起一眼就能看出跟岗位对不对得上。这个动作有个前提答案字段能落进招聘系统里否则聊过一轮也只是聊过。第二样是被标出来的异常回答。答非所问、前后矛盾、连问几轮都没给出有效信息的值得单独看一眼。第三样是需要人接的问题。候选人开始谈条件、问的内容超出JD和初面问题涵盖的范围、或者在对话里明显犹豫这类信号转人工处理。必须留在人这儿的有三件事细节追问、现场反应、判断动机。候选人说做过三年门店服务追问一句那家店多大、几个人轮班、你负责哪一块编的内容经不起追。被追问时慌不慌、讲到难缠客户是抱怨还是讲方法这些只能当面看。他到底想不想换这份工作更得靠人聊出来。AI初面交回来的是一份信息不是一个结论。候选人愿意跟AI聊吗取决于两件事这是顾虑里被提得比较多的一条。实际跑下来候选人的反应比招聘方预想的平静——他一天里跟各种自动回复打交道真正让人烦躁的不是对面是机器是对面答不到点上。前提有两条。一条是身份说清楚。开场就讲明这是岗位咨询的助理、随时可以转人工比把它包装成人更有效。候选人的容忍度来自知情而不是来自假装。一条是留一个随时叫停的出口。候选人说我想找个人聊就立刻转人工。这个出口本身就能降低抵触——多数人不会真的用但知道它在聊起来就没压力。写法上还有一个差别值得提。模板式的回复一旦答非所问候选人立刻能感觉到生成式的对话是顺着他的回答往下走的聊起来的体感更接近这个招聘的人回得挺快。还有一条边界要提前想好招聘机器人能做的是把该问的问完不是替你说服人。候选人明确表示不考虑就该停下触达——连着追问几轮不肯收手体验是从这里开始变差的。候选人介意的从来不是机器是浪费时间。哪些岗位适合先上哪些先别AI初面不适合所有岗位判断标准是一句话这一轮初面里事实类问题占多大比例。占比越高越适合先上。适合先上的通常是这几类门店店员、客服、仓储分拣、普工、课程顾问——招聘量大、条件标准化程度高、初面里大部分时间都花在确认事实上。先别急着上的也是几类设计、研发这类要看作品和思路的岗位靠长期关系与深度说服的高端职位需要候选人到现场体验环境才能判断的岗位。这些岗位的初面里判断类问题占了大头交给系统只会把不合适的人聊进来。还有一种情况要注意岗位条件本身没定下来的时候不要上AI初面。班次、薪资区间、到岗时间都还在变问出来的答案过两天就作废。把条件先定死再开招聘自动化。交给系统之前先把两样材料写准真正决定AI初面质量的不是模型是那两份材料。第一样是JD。不用写长写清三件事这个岗位要干什么、需要什么条件、什么时候能到岗。这三件事说不清后面的沟通准不了。第二样是AI初面问题。按岗位定控制在五到八问覆盖事实类的内容顺序上把好回答的放前面涉及薪资与条件的放后面。同类岗位可以共用一套差别大的岗位单独定。两份材料之间还有一处容易漏掉JD里的条件要和初面问题对得上。JD写着接受应届生初面问题里却问上一份工作做了多久收回来的答案就帮不上判断。上线前把这两样东西对一遍是必须做的一项检查——这一步容易被跳过也往往是AI招聘上线之后返工出现得比较集中的地方。准备工作做完先拿一个岗位跑两周。小步试的好处是错了能改——一次把所有岗位铺开出问题时不知道该动哪一处。跑完两周看三个数再决定要不要扩到第二个岗位。还有一条路径值得提一句。如果企业不想自己养这套动作可以把从联系到面试的这一段交给云生闪聘这类由AI对结果负责的服务按有效到面、有效到岗结算。初面问得准不准直接决定它交付时的质量所以这一段在它那里必须做扎实。三个数看AI初面有没有跑对改完怎么验收三个数够了。第一个是初面完成率。发出去多少人、多少人把一轮聊完。这个数低先查问题设置——多数情况是一次问得太多或者问题太长。第二个是初面之后的到面率。它衡量的是AI这一轮到底挡掉了多少人。这个数上去了说明核实的事确实被问清了来面谈的人整体更合适。第三个是HR从初面里省下的时间。按周算看每天有多少时间从重复问询回到了面试和沟通上。多数智能招聘系统会把几类内容留在同一条候选人记录上按周导一次就够基线先记两周再谈好坏。这三个数不用每天看。完成率按周看到面率按岗位看省下的时间按月算——频率太高注意力会从动作挪到数字上。初面做完只完成了一半三个数才决定要不要往下扩。写在最后回到开头那个问题。AI面试替代的不是面试是面试之前那段重复的事实确认。它把人从每天问几十遍同样的问题里拿出来让人有时间坐下来判断人。值得带走的做法先把一个岗位的JD和AI初面问题写准跑两周看三个数再决定要不要扩到第二个岗位。这一步急不得。材料写不准自动化只是在更快地做无效的事。
